스몰 랭귀지 모델 (Small Language Model, SLM)

스몰 랭귀지 모델은 보통 10억~120억 파라미터 규모로, 대형 프론티어 모델보다 훨씬 적은 연산과 메모리로도 요약, 분류, 간단한 에이전트 작업을 처리할 수 있게 설계된 모델이다. 목표가 명확하고 정해진 형식에 맞춰야 하는 작업에서는 오히려 대형 모델보다 낫다는 평가도 있다.

목표가 명확하고 정해진 형식(API 호출, 스키마 등)에 맞춰야 하는 작업, 또는 온디바이스로 돌려야 하는 상황에 적합하다.

복잡한 추론이나 폭넓은 지식이 필요한 작업이라면 스몰 랭귀지 모델보다 대형 프론티어 모델이 낫다.

직접 연결되진 않지만, 라우터가 간단한 작업엔 작은 모델을, 복잡한 작업엔 큰 모델을 자동으로 배정하는 구조를 이해하면 비용·속도 최적화에 도움이 된다.

Microsoft Phi, Meta Llama 3.2, Google Gemma 계열이 대표적인 스몰 랭귀지 모델이다.